Tworzenie spersonalizowanych rozwiązań marketingowych niemal w czasie rzeczywistym

Ta architektura pokazuje, jak utworzyć oferty personalizacji rozwiązań za pomocą usług Azure Functions, Azure Machine Edukacja i Azure Stream Analytics.

Architektura

Pobierz plik programu Visio z tą architekturą.

Przepływ danych

• Usługa Event Hubs pozyskiwa nieprzetworzone dane strumienia kliknięć z usługi Azure Functions i przekazuje je do usługi Stream Analytics.
• Usługa Azure Stream Analytics agreguje kliknięcia niemal w czasie rzeczywistym według produktu, oferty i użytkownika. Zapisuje w usłudze Azure Cosmos DB, a także archiwizuje nieprzetworzone dane strumienia kliknięć w usłudze Azure Storage.
• Usługa Azure Cosmos DB przechowuje zagregowane dane kliknięć według użytkownika, produktu i oferuje informacje o profilu użytkownika.
• Usługa Azure Storage przechowuje zarchiwizowane nieprzetworzone dane strumienia kliknięć z usługi Stream Analytics.
• Usługa Azure Functions pobiera dane strumienia kliknięć użytkownika z witryn internetowych i odczytuje istniejącą historię użytkowników z usługi Azure Cosmos DB. Dane te są następnie przetwarzane przez usługę internetową Machine Learning lub używane razem z danymi zimnego startu w usłudze Azure Cache for Redis w celu uzyskiwania ocen zainteresowania produktami. Oceny zainteresowania produktami są używane wraz z logiką spersonalizowanych ofert w celu określenia najodpowiedniejszej oferty do zaprezentowania użytkownikowi.
• Usługa Azure Machine Edukacja ułatwia projektowanie, testowanie, operacjonalizacja i zarządzanie rozwiązaniami analizy predykcyjnej w chmurze.
• Usługa Azure Cache for Redis przechowuje wstępnie obliczone wyniki koligacji produktu zimnego startu dla użytkowników bez historii.
• Usługa Power BI umożliwia wizualizację danych aktywności użytkownika i ofert prezentowanych przez odczytywanie danych z usługi Azure Cosmos DB.

Elementy

• Event Hubs
• Azure Stream Analytics
• Azure Cosmos DB
• Azure Storage
• Azure Functions
• Azure Machine Learning
• Azure Cache for Redis
• Power BI

Szczegóły scenariusza

Spersonalizowany marketing jest niezbędny, jeśli chcesz zbudować bazę lojalnych klientów i utrzymać zyskowność. Docieranie do klientów i ich angażowanie jest dziś trudniejsze niż kiedykolwiek wcześniej, a oferty ogólne można łatwo pominąć lub zignorować. Bieżące systemy marketingowe nie korzystają z zalet danych, co mogłoby pomóc rozwiązań ten problem.

Pracownicy działów marketingu mogą używać inteligentnych systemów i analizować ogromne ilości danych, aby dostarczać poszczególnym użytkownikom spersonalizowane, odpowiadające im oferty, eliminując zamieszanie i zwiększając zaangażowanie. Na przykład sprzedawcy detaliczni mogą udostępniać oferty i treści na podstawie unikatowych zainteresowań każdego klienta, preferencji i koligacji produktów, umieszczając produkty przed osobami, które najprawdopodobniej je kupią.

Ta architektura pokazuje, jak utworzyć oferty personalizacji rozwiązań za pomocą usług Azure Functions, Azure Machine Edukacja i Azure Stream Analytics.

Potencjalne przypadki użycia

Personalizacja ofert zapewnia indywidualne środowisko dla bieżących i potencjalnych klientów, zwiększenie zaangażowania i poprawę konwersji klientów, wartości okresu istnienia i przechowywania.

To rozwiązanie jest idealne dla branży handlu detalicznego i marketingowego.

Następne kroki

Zapoznaj się z dokumentacją produktu:

• Dowiedz się więcej o usłudze Event Hubs
• Dowiedz się więcej o usłudze Stream Analytics
• Dowiedz się, jak używać usługi Azure Cosmos DB
• Dowiedz się więcej o usłudze Azure Storage
• Dowiedz się, jak tworzyć funkcje
• Dowiedz się więcej o uczeniu maszynowym
• Dowiedz się, jak używać usługi Azure Cache for Redis
• Dowiedz się więcej o usłudze Power BI

Wypróbuj ścieżkę szkoleniową:

• Implementowanie rozwiązania do przesyłania strumieniowego danych za pomocą usługi Azure Streaming Analytics
• Tworzenie modelu Edukacja maszynowego
• Tworzenie aplikacji bezserwerowych za pomocą usługi Azure Functions

Powiązane zasoby

Przeczytaj inne artykuły centrum architektury platformy Azure:

• Styl architektury danych big data
• Skalowalna personalizacja na platformie Azure